Анализ настроений на хинди - PullRequest
Новая
       25

Анализ настроений на хинди

0 голосов
/ 25 января 2019

Я работаю над анализом настроений на хинди, который примет файл с новостными статьями и определит, являются ли они положительными или отрицательными в отношении предмета. Я использую НЛП и наивный байесовский классификатор. Мой код занимает слишком много времени для проверки даже одного слова 

pos_words = codecs.open("pos_train.txt",'r','utf-8') # positive  datset

# negative  dataset
neg_words =  codecs.open("neg_train.txt",'r','utf-8')

# merging the two list in one big training tuple and filtering two letters words
sentiment_word = []
sentiment = "positive"
for words in pos_words.readlines():
    words_filtered = [e.lower() for e in words.split() if len(e) >= 3]
    sentiment_word.append((words_filtered, sentiment))
with codecs.open('positive_token.txt','w','utf-8') as output:
    output.write(str(sentiment_word))
sentiment = "negative"
for words in neg_words.readlines():
    words_filtered = [e.lower() for e in words.split() if len(e) >= 3]
    sentiment_word.append((words_filtered, sentiment))
with codecs.open('negative_token.txt','w','utf-8') as output:
    output.write(str(sentiment_word))
# getting word frequencies from the training data

def get_words_in_sentiment(sentiment_word):
    all_words = []
    for (words, sentiment) in sentiment_word:
      all_words.extend(words)
    return all_words

def get_word_features(wordlist):
    wordlist = nltk.FreqDist(wordlist)
    word_features = wordlist.keys()
    return word_features


word_features = get_word_features(get_words_in_sentiment(sentiment_word))

# building a feature extractor
def extract_features(document):
    document_words = set(document)
    features = {}
    for word in word_features:
        features['contains(%s)' % word] = (word in document_words)

    return features

# building the training set
training_set = nltk.classify.apply_features(extract_features, sentiment_word)

# training the classifier
classifier = nltk.NaiveBayesClassifier.train(training_set)

def fn1(sentiment_word):
    #print sentiment_word.split()
    return classifier.classify(extract_features(sentiment_word.split()))



text_message = 'बिहार निवासी 45 वर्षीय राकेश कुमार की घटनास्थल पर ही मृत्यु हो गई'
#text_message2 = 'मलाइका की निजी जानकारी लीक कर रहा ड्राइवर? नौकरी से निकाला'
print_s = fn1(text_message)
#prinst_f = fn1(text_message2)
print(print_s)
#print(prinst_f)

Можете ли вы предложить мне лучший метод или модуль для развития анализа настроений хинди.

...